[发明专利]一种基于双联盟区块链和联邦学习的虚拟网络映射方法

权利要求书

1.一种基于双联盟区块链和联邦学习的虚拟网络映射方法，其特征在于，包括以下步骤：

11)建立联邦学习架构和区块链系统；

12)制定智能合约；

13)用户发布虚拟网络请求VNR，由中心共识层签名认证后发送给局部训练节点；

14)本地模型的训练：局部训练节点收到请求后，触发模型训练合约，从模型链上下载初始化参数的全局模型参数，并启动本地模型训练；

15)触发聚合计算合约：将局部模型参数上传进行验证，并对局部训练节点进行评估并进行触发聚合计算合约；

16)新区块的生成：中心共识层执行聚合计算合约将上传的局部模型聚合成全局模型，根据聚合结果更新全局模型，并根据更新结果生成一个新区块；

17)新区块的加入：中心共识层基于PBFT和NSEM的共识机制对新区块进行验证并达成共识，并在其中加入安全性评估阈值和共识节点动态更新过程，将新区块添加入模型链；

18)虚拟网络请求的映射处理：局部训练节点通过模型链下载最新的全局模型，局部训练节点收集局部网络拓扑信息并从拓扑链上下载最新的节点安全性评估值将这两部分信息结合成本地的网络状态作为模型输入，然后根据模型输出做出映射决策，并将映射决策以交易记录的形式记录在拓扑链上。

2.根据权利要求1所述的一种基于双联盟区块链和联邦学习的虚拟网络映射方法，其特征在于，所述建立联邦学习架构和区块链系统包括以下步骤：

21)建立联邦学习架构：利用联邦学习的分布式结构将无线网络划分为局部训练层和中心共识层；

其中，局部训练层由多个异构的无线局部网络构成，选择其中能力最强的基站作为局部训练节点，当局部训练节点收到VNR请求时，开始启动映射方案；中心共识层由节点安全性评估机制NSEM选出的可信节点组成，该层的节点通过区块链与其他节点事务性地共享模型参数；

22)建立区块链系统：将局部训练节点作为区块链系统的轻节点、中心共识层的节点作为全节点，建立基于联盟区块链的双链结构，即拓扑链和模型链，其中拓扑链用于存储网络拓扑信息，模型链用于存储模型更新信息；

23)设定拓扑链：

局部训练节点收集相邻节点的网络拓扑信息并形成交易记录上传到中心共识层，网络拓扑信息由节点的物理位置、CPU资源、节点容量、与相邻节点的连通性、节点度、链路强度和节点的安全性评估信息组成；中心共识层将这些信息打包成一个块，经过共识过程后将其添加到拓扑链；

24)设定模型链：

模型链用于记录所有全局模型更新的信息，将模型广播给所有局部训练节点；局部训练节点将训练完成的局部模型上传到中心共识层，首先在中心共识层进行模型聚合，然后将更新后的全局模型信息形成交易记录并打包成块，通过共识过程后将其添加到模型链；

局部训练节点通过模型链获取最新的全局模型，减少局部训练层和中心共识层的直接交互，保障获取全局模型的安全性。

3.根据权利要求1所述的一种基于双联盟区块链和联邦学习的虚拟网络映射方，其特征在于：所述的制定智能合约包括以下步骤：

31)设定节点安全性评估机制NSEM；

32)基于所有局部训练节点共同制定智能合约，智能合约体系由三部分组成：启动局部模型训练的模型训练合约、启动节点安全性评估机制NSEM的节点评估合约和启动中心共识层聚合全局模型的聚合计算合约。